Python tf.saved_model.experimental.TrackableResource用法及代碼示例

持有 tf.function 可以捕獲的張量。

用法

tf.saved_model.experimental.TrackableResource(
    device=''
)

TrackableResource 對於需要初始化的有狀態張量最有用，例如 tf.lookup.StaticHashTable 。 TrackableResource 是通過遍曆對象屬性圖來發現的，例如在 tf.saved_model.save 期間。

一個 TrackableResource 有三個方法可以覆蓋：

• _create_resource 應該創建資源張量句柄。
• _initialize 應該初始化保存在 self.resource_handle 的資源。
• _destroy_resource 在 TrackableResource 的破壞時被調用，並且應該減少資源的引用計數。對於大多數資源，這應該通過調用 tf.raw_ops.DestroyResourceOp 來完成。

示例用法：

class DemoResource(tf.saved_model.experimental.TrackableResource):
  def __init__(self):
    super().__init__()
    self._initialize()
  def _create_resource(self):
    return tf.raw_ops.VarHandleOp(dtype=tf.float32, shape=[2])
  def _initialize(self):
    tf.raw_ops.AssignVariableOp(
        resource=self.resource_handle, value=tf.ones([2]))
  def _destroy_resource(self):
    tf.raw_ops.DestroyResourceOp(resource=self.resource_handle)
class DemoModule(tf.Module):
  def __init__(self):
    self.resource = DemoResource()
  def increment(self, tensor):
    return tensor + tf.raw_ops.ReadVariableOp(
        resource=self.resource.resource_handle, dtype=tf.float32)
demo = DemoModule()
demo.increment([5, 1])
<tf.Tensor:shape=(2,), dtype=float32, numpy=array([6., 2.], dtype=float32)>